Продолжу цикл про память и мозг. И сегодня поговорим о том, как простая математическая модель, придуманная японским физиком Ёсики Курамото (Yoshiki Kuramoto) почти полвека назад, помогает нам понимать тонкости синхронизации. Нам всегда говорили про пример с синхронизацией, в котором рота солдат идет по мосту специально "не в ногу", чтобы эта пресловутая синхронизация не наступила. Но чем же она так важна и почему нужно изучать моменты, которые к ней приводят. Посмотрим код и разберем небольшие примеры. И почему простое "Расписание" помогает синхронизации.

Поехали!

Память - это не флэшка или файл на жёстком диске, а динамический процесс, связанный с согласованной работой множества нейронов. Синхронизация их активности служит главным механизмом, обеспечивающим два ключевых этапа работы памяти: кодирование (запись) и воспроизведение (извлечение).

Ключевые процессы выглядят так:

1. Объединение нейронов в ансамбли. Отдельное воспоминание кодируется не одним нейроном (тут уместно вспомнить про нейрон бабушки), а группой клеток в гиппокампе, которые активируются одновременно. Синхронизация их импульсов во времени — это способ, который связывает разрозненные нейроны в единый ансамбль, представляющий целостный образ.

2. Ритмы мозга как дирижёр. Синхронизация происходит не хаотично, а под руководством мозговых ритмов. Особенно важны два из них:

   • Тета-ритм (4–8 Гц): Задаёт глобальный ритм активности гиппокампа во время исследования и обучения. Он создаёт временные «окна», в которые может происходить запись.

   • Гамма-ритм (30–120 Гц): Более быстрый ритм, который организует активность внутри небольших нейронных групп.

3. Синаптическая пластичность. Фундаментальное правило обучения нейронов называется STDP (Spike-Timing-Dependent Plasticity — пластичность, зависимая от времени спайка). Суть в том, что синапс (связь между нейронами) усиливается, если нейрон А срабатывает непосредственно перед нейроном Б, и ослабляется в обратном случае. Синхронизация с точностью до миллисекунд — это тот инструмент, который, согласно правилу STDP, физически перестраивает связи в мозге, формируя долговременный след памяти. Вот тут подробнее описано.

0. Историческая справка или великая несправедливость

В большом количестве источников написано, что модель Курамото родилась на основе статьи из 1967 года.

Winfree AT. Biological rhythms and the behavior of populations of coupled oscillators. J Theor Biol. 1967 Jul;16(1):15-42. doi: 10.1016/0022-5193(67)90051-3. PMID: 6035757.

Сам первоисточник модели Курамото фигурирует здесь:

Kuramoto, Yoshiki (1975). H. Araki (ed.). Lecture Notes in Physics, International Symposium on Mathematical Problems in Theoretical Physics. Vol. 39. Springer-Verlag, New York. p. 420

Поразительно, но ни первый, ни второй источник в открытом доступе найти невозможно. Либо нужно купить его более чем за сто евро, либо иметь академическую подписку. Но по решению издательства на нас россиян это как-то не распространяется и мне очень жаль, что такие фундаментальные работы зачем-то скрывают.

Далее я провел исследование на HABR и обнаружил такие публикации:

1) Учёные обнаружили новые экзотические формы синхронизации

• Ссылка: https://habr.com/ru/articles/455828/

• Краткая характеристика: это перевод статьи Quanta Magazine - научно-популярный обзор феномена синхронизации от классических опытов Гюйгенса до неожиданных форм синхронизации, таким как «химерные состояния» (когда часть системы синхронизирована, а часть остаётся хаотичной) и «спиральные волны». Модель Курамото здесь играет роль фундаментальной основы, на которой строятся эти передовые исследования.

2. Математики описали синхронизацию колебаний нейронов мозга

• Ссылка: https://habr.com/en/news/786420/

• Краткая характеристика: заметка об исследовании учёных НИУ ВШЭ в Нижнем Новгороде. Они описали режим синхронизации в системе связанных нейронов, который, как оказалось, соответствует состоянию гиперхаоса - более сложной форме хаотического поведения, показывая, как изучение ансамблей осцилляторов помогает понять механизмы работы мозга и природу нейродегенеративных заболеваний.

3. Концепт «Больцмановский Мозг» на квантово-волновой логике (QWL). Нейросеть. Численное моделирование

• Ссылка: https://habr.com/en/articles/1001666/

• Краткая характеристика: смелая и оригинальная работа на стыке философии, физики и информатики про гипотетическую возможность возникновения сознания («Больцмановский мозг») из хаоса с помощью моделирования осцилляторов и их волновых взаимодействий.

4. Представлена ИИ-модель, вдохновлённая нейронными колебаниями в мозге человека

• Ссылка: https://habr.com/ru/news/906876/

• Краткая характеристика: новость о разработке модели машинного обучения LinOSS, которая напрямую использует принципы работы гармонических осцилляторов. Это прекрасная иллюстрация того, как фундаментальная идея синхронизации, лежащая и в основе модели Курамото, переходит из теоретической физики в прикладные алгоритмы.

5. Безусловно и про свою публикацию не забыл про то, как формируется память

• Ссылка: https://habr.com/ru/articles/1032310/

• Тут пытаюсь напрямую использовать модель осцилляторов Курамото для симуляции синхронизации нейронной активности. Это превращает теоретическую модель в наглядный и работающий инструмент.

И не то, что таких работ прям много, плюс расстройство и невозможность просто найти первоисточник в открытом доступ сделали своё дело - мне показалось важным попытаться пролить свет на взаимосвязь биологических ритмов мозга, синхронизации и модели Курамото.

1. Что такое гармонические колебания: от формулы Эйлера к амплитудно-фазовой форме

Начнём с основ. Гармонические колебания — это периодическое движение, которое описывается синусом или косинусом:

x(t) = A · cos(ωt + φ₀)

Где:

• A — амплитуда (максимальное отклонение),

• ω — частота,

• φ₀ — начальная фаза .

Попробуем представить это описание с помощью комплексных чисел. Тут на сцену выходит формула Эйлера — один из самых изящных приёмов в математике:

e^(iα) = cos α + i·sin α

Благодаря ей гармоническое колебание можно записать в амплитудно-фазовой форме:

x(t) = Re{ A·e^(i(ωt + φ₀)) } = Re{ Ā·e^(iωt) }

Где Ā = A·e^(iφ₀) — комплексная амплитуда, которая одновременно кодирует и амплитуду, и фазу.

Зачем так всё усложнять? Или всё же это почему-то удобнее???
В комплексной форме наложение колебаний превращается в сложение векторов на комплексной плоскости. А умножение на e^(iωt) — это просто вращение вектора с угловой скоростью ω. Вуаля!

Амплитудно-фазовая форма — это представление сигнала через две величины:

• Амплитуду A — «насколько сильно»,

• Фазу φ — «в какой момент цикла».

Именно фаза становится ключевой переменной, когда мы переходим к синхронизации.

2. Что будет, если взять два маятника, которые немного связаны (не жестко, но и не являются они независимыми)?

Представьте два маятника висят на одной лёгкой перекладине. Каждый качается со своей собственной частотой. Но перекладина чуть-чуть передаёт колебания от одного к другому — возникает слабая связь.

Что произойдёт?

• Энергия начнёт перекачиваться между маятниками: один замедляется, другой ускоряется.

• Через некоторое время они синхронизируются - начнут качаться в унисон (или в противофазе).

• Это явление называется фазовой синхронизацией и наблюдается даже при очень слабой связи. Вот здесь подробно описана теория.

Исторический факт, который можно почерпнуть из интересной статьи на HABR: Христиан Гюйгенс в 1665 году заметил, что два маятниковых часа, висящие на одной балке, через несколько часов начинают качаться синхронно. Он предположил, что их «связывает» движение воздуха или вибрация балки.

Математически это описывается системой уравнений для фаз θ₁ и θ₂:

dθ₁/dt = ω₁ + K·sin(θ₂ - θ₁)
dθ₂/dt = ω₂ + K·sin(θ₁ - θ₂)

Где K - сила связи. При достаточно большом K разность фаз θ₁ - θ₂ перестаёт расти и «застревает» - это и есть синхронизация.

Вот, в целом, и весь математический секрет - надо лишь просто управлять или уметь измерять эту силу синхронизации (вот пример - если мы хотим добиться единообразия и слаженности в команде, то можно "затыркать" своих подчиненных отчетами, чтобы они только и делали, что отчитывались, а не работали.

3. Биография Ёсики Курамото: человек, который упростил хаос

Ёсики Курамото (яп. 蔵本 由紀, род. 1940) - японский физик-теоретик, специалист по нелинейной динамике.

Ключевые вехи:

• Окончил Киотский университет, где позже стал профессором.

• В 1970-х годах разработал модель Курамото - математическое описание синхронизации в популяциях осцилляторов. Его работа позволила аналитически исследовать переход от хаоса к порядку в системах с большим количеством взаимодействующих элементов.

• В 2005 году удостоен Премии Асахи — одной из самых престижных научных наград Японии.

Модель Курамото стала «рабочей лошадкой» в физике, биологии, нейронауках и даже социологии - везде, где есть ритмы и взаимодействия. И они, оказывается, есть и просто в бизнес среде (вот источник: Heggli OA, Cabral J, Konvalinka I, Vuust P, Kringelbach ML. A Kuramoto model of self-other integration across interpersonal synchronization strategies. PLoS Comput Biol. 2019 Oct 16;15(10):e1007422. doi: 10.1371/journal.pcbi.1007422. PMID: 31618261; PMCID: PMC6816575)

4. Как модель осцилляторов Курамото описывает синхронизацию

Модель Курамото описывает динамику изменения фаз θᵢ N осцилляторов:

dθᵢ/dt = ωᵢ + (K/N) · Σⱼ sin(θⱼ - θᵢ)

Где:

• ωᵢ — собственная частота i-го осциллятора,

• K — сила связи,

• Сумма по j — вклад всех остальных осцилляторов.

Ключевая идея:

Каждый осциллятор «подстраивает» свою фазу под среднюю фазу популяции. Чем сильнее связь K, тем эффективнее подстройка.

Порядок через параметр порядка:

Для измерения степени синхронизации вводят параметр порядка r:

r·e^(iΨ) = (1/N) · Σⱼ e^(iθⱼ)

• r ≈ 0 — полный хаос, фазы разбросаны,

• r ≈ 1 — полная синхронизация, все фазы почти одинаковы.

При увеличении K система проходит фазовый переход Курамото: от несинхронизованного состояния к частично или полностью синхронизованному.

Кажется, что такая модель работает для светлячков, мигрирующих птиц, кардиостимуляторов сердца и даже социальных трендов в соцсетях и взаимодействию команд, которые держат в фокусе внимания какую-то важную вещь - эдакий маркер!

5. Почему модель Курамото отражает работу нейронов мозга

Мозг — это почти 90 миллиардов нейронов и связи между ними, многие из которых генерируют ритмическую активность. Как они «договариваются» о ритме?

Нейробиологическое обоснование:

1. Нейроны как фазовые осцилляторы:
   При определённых условиях мембранный потенциал нейрона можно описать через фазу колебаний. Это особенно верно для нейронов, генерирующих спайки с почти постоянной частотой (источник).

2. Синаптическая связь ≈ слабая связь в модели Курамото:
   Синапсы передают сигналы с задержкой и нелинейно - но в первом приближении это можно свести к синусоидальному взаимодействию фаз (источник).

3. Синхронизация и когнитивные функции (источник):

   • Гамма-ритмы (30–100 Гц) связывают с вниманием и восприятием,

   • Тета-ритмы (4–8 Гц) — с памятью и навигацией,

   • Нарушения синхронизации наблюдаются при эпилепсии, болезни Паркинсона, шизофрении.

4. Модель на коннектоме (источник):
   Исследования показывают, что модель Курамото, запущенная на реальной карте связей мозга (коннектоме), воспроизводит наблюдаемые паттерны синхронизации в разных регионах коры [[39]].

6. Разбор кода: как имитировать синхронизацию нейронов с помощью модели Курамото

Рассмотрим код из моего репозитория Simple-Neuron-Ensamble-Synchronization-Kuramoto.ipynb.

Параметры сети нейронов для имитации синхронизации:

import numpy as np
import matplotlib.pyplot as plt
from ipywidgets import interact, FloatSlider

# Параметры
N = 100              # число нейронов
dt = 0.01            # шаг времени (мс)
T = 20.0             # общее время симуляции
time = np.arange(0, T, dt)

# Собственные частоты и начальные фазы
omega = np.random.normal(loc=2.0, scale=0.4, size=N)
theta_init = np.random.uniform(0, 2*np.pi, N)

Основа - решение уравнений Курамото:

def update_simulation(K=1.2):
    theta = theta_init.copy()
    phase_hist = np.zeros((N, len(time)))
    order_param = np.zeros(len(time))
    
    for i, t in enumerate(time):
        # Связь: сумма sin(θⱼ - θᵢ) по всем нейронам
        coupling = (K / N) * np.sum(
            np.sin(theta[np.newaxis, :] - theta[:, np.newaxis]), 
            axis=1
        )
        
        # Обновление фазы (Эйлер)
        theta += (omega + coupling) * dt
        
        # Сохранение фазы для визуализации
        phase_hist[:, i] = theta % (2*np.pi)
        
        # Параметр порядка: мера синхронизации
        order_param[i] = np.abs(np.mean(np.exp(1j * theta)))
        
        # Детекция спайков: сброс фазы при достижении 2π
        spikes = theta >= 2*np.pi
        if np.any(spikes):
            theta[spikes] -= 2*np.pi  # LIF-like reset
    
    return phase_hist, order_param

Визуализация:

Код строит три графика:

1. Heatmap фаз — эволюция фаз всех нейронов во времени (цвет = фаза).

2. Raster plot спайков — моменты, когда нейрон «сработал» (фаза достигла 2π).

3. Параметр порядка r(t) — как растёт синхронизация со временем.

Интерактивность можно посмотреть на видео:

Что мы видим:

• При малом K — фазы разбросаны, r ≈ 0, спайки асинхронны.

• При большом K — фазы «схлопываются», r → 1, спайки синхронны.

• Переход резкий — это и есть фазовый переход Курамото.

Такой код — отличная отправная точка для экспериментов: можно добавить задержки, шум, неоднородные связи или топологию сети. Он не претендует на биологическую реалистичность, но блестяще выполняет свою главную задачу - делает абстрактную математику осязаемой и интуитивно понятной. Самое важное - доступен и открыт. Рекомендуется как база для экспериментов: добавьте топологию, шум, пластичность — и получите мощный инструмент для моделирования нейронных и социальных систем.

7. В предыдущих примерах мы касались примера синхронизации в работе команд - чем тут поможет Расписание?

Кажется, что физика и бизнес - это разные миры. Но принципы синхронизации универсальны.

Аналогия: команда как ансамбль осцилляторов

Практические примеры:

1. Вертикальное выравнивание целей
   Когда топ-менеджмент чётко транслирует стратегию, а команды адаптируют её под свои задачи, возникает «синхронизация по фазе» — все движутся в одном направлении (вот подробнее на HABR).

2. Ритуалы и ритмы команды
   Daily stand-ups, спринт-планирование, ретроспективы - это «внешний драйвер», который помогает команде войти в общий ритм, как метроном для оркестра.

3. Культура обратной связи
   Регулярная обратная связь — это «слабая связь» в модели Курамото: она мягко корректирует «фазы» сотрудников, не ломая их автономию. Важно иметь возможность сделать эскалацию на руководителя или просто написать что-то в чате.

4. Предотвращение «эпилепсии» в организации
   Чрезмерная синхронизация (микроменеджмент, жёсткие регламенты) может привести к потере гибкости — как эпилептический припадок в мозге. Нужен баланс.

ВЫВОД:
Синхронизация в бизнесе - это не про то, чтобы все делали одно и то же. Это про то, чтобы ритмы отдельных людей и команд резонировали, усиливая общий результат (как бы нужно, чтобы у всех был один тактический фокус, похожий на маркер - такой, как мы вешаем частенько на компьютер себе, чтобы не забыть сделать что-то важное). Это как в модели Курамото: достаточно слабая связь, но правильная связь по Расписанию, чтобы хаос превратился в порядок.

Заключение

Модель Курамото — пример того, как простая математика может пролить свет на сложные системы: от нейронов до корпораций.

• Физика даёт язык для описания ритмов.

• Нейронаука показывает, как эти ритмы рождают мышление.

• Бизнес учится на этих принципах, чтобы строить более эффективные команды.

Синхронизация — это не магия. Это результат правильного баланса между автономией и связью. И этот баланс можно моделировать, измерять и улучшать.

Если статья была полезной - делитесь в комментариях, какие примеры синхронизации знаете Вы.

P.S. Код из статьи можно запустить в Google Colab — просто скопируйте ноутбук или сделайте форк репозитория.